HAZOP mit KI: Was künstliche Intelligenz in der HAZOP-/PAAG-Analyse leisten kann – und was nicht

Eine HAZOP-Analyse ist aufwendig: Ein interdisziplinäres Team geht Knoten für Knoten und Leitwort für Leitwort durch das R&I-Fließbild. Ein großer Teil der Zeit fließt in Vorarbeiten und Dokumentation – genau dort kann KI unterstützen.

Der Gewinn liegt weniger im „Automatisieren“ als in der Verschiebung der Arbeit: Das Team beginnt nicht mit einer leeren HAZOP-Tabelle, sondern mit einem prüfbaren Entwurf – und kann die Sitzungszeit auf die fachlich schwierigen Fragen konzentrieren.

• Anlagenwissen außerhalb der Unterlagen: Betriebserfahrung, Umbauten, die nicht im R&I stehen, oder bekannte Schwachstellen kennt nur das Team.
• Plausible, aber falsche Aussagen: Sprachmodelle formulieren auch fachlich fehlerhafte Szenarien überzeugend. Jede Aussage muss geprüft werden.
• Vollständigkeit belegen: KI kann viele Kombinationen abarbeiten, aber nicht belegen, dass kein relevantes Szenario fehlt.
• Risikobewertung und Akzeptanz: Wie schwer eine Folge wiegt und welches Restrisiko akzeptabel ist, ist eine Entscheidung des Betreibers nach seinen Verfahren.
• Verantwortung: Die Verantwortung für die Analyse und die festgelegten Maßnahmen bleibt beim Betreiber und seinem Team.

Versuche, die HAZOP zu automatisieren, gibt es seit Jahrzehnten: von regelbasierten Expertensystemen über Wissensgraphen bis zu großen Sprachmodellen. Seit 2023 untersuchen mehrere Arbeiten, wie gut Sprachmodelle HAZOP-Szenarien erzeugen.

• Lee et al. (Safety Science, 2026) ließen vier multimodale Sprachmodelle HAZOP-Tabellen zum selben R&I-Fließbild erstellen und verglichen sie mit einer Expertentabelle. Die Texte ähnelten der Referenz stark, doch nur 19 bis 37 % der erzeugten Szenarien waren fachlich gültig; bei den Schutzmaßnahmen überwogen organisatorische Maßnahmen.
• Elhosary und Moselhi (Process Safety and Environmental Protection, 2026) stützten die Modelle auf 6.120 frühere HAZOP-Einträge und 1.140 Ereignisberichte. Der Anteil gültiger Szenarien stieg dadurch um etwa 10 bis 18 Prozentpunkte – im besten Fall auf 48 %.
• Dokas (Safety Science, 2026) stellte fest, dass die Qualität von Gefahrenanalysen durch Sprachmodelle zwischen wiederholten Durchläufen schwankt und kausales Schließen schwach bleibt. Ein anerkannter Maßstab für die Qualität von KI in der HAZOP fehlt bislang.
• Eine Übersicht über 18 HAZOP-Softwarewerkzeuge (IChemE Hazards 34, 2024) nennt Halluzinationen und eingeschränkte Genauigkeit als zentrale Herausforderungen.

Übereinstimmend beschreiben die Arbeiten KI als Unterstützung eines erfahrenen Teams. Keine der Untersuchungen zeigt, dass ein Sprachmodell ohne fachliche Prüfung eine vollständige und gültige HAZOP erstellt.

Daraus folgen drei Anforderungen an KI-gestützte HAZOP-Software: Anlagenkontext statt freier Texteingabe, sichtbare Annahmen und eine verpflichtende fachliche Prüfung jedes Vorschlags.

1. Anlagenkontext erfassen: Anlagenprofil, Anlagenbeschreibung, Stoffdaten und R&I-Fließbild bilden die Grundlage.
2. R&I auswerten: Die R&I-Bildanalyse erkennt Komponenten und Tags in gescannten Plänen, Bild-PDFs oder Fotos; maschinenlesbares DEXPI-XML wird direkt eingelesen.
3. Knoten und Entwürfe vorbereiten: Je Knoten entstehen Entwürfe für Abweichungen, Ursachen, Auswirkungen ohne Schutzmaßnahmen, vorhandene Schutzmaßnahmen und Empfehlungen.
4. Review-Gate: Das Team akzeptiert, korrigiert oder verwirft jeden Vorschlag. Ohne fachliche Freigabe gelangt nichts in den Bericht.
5. Bericht und Audit-Trail: Export als HAZOP-/PAAG-Analyse-Bericht; der Audit-Trail hält fest, wer was geprüft, geändert und freigegeben hat.

Die Kernplattform wird in einer dokumentierten EU-Cloud-Umgebung betrieben. Kundendaten werden nicht zum Training von KI-Modellen verwendet, soweit dies nicht ausdrücklich gesondert vereinbart wird. Details zu Datenhaltung und Vertragsunterlagen finden Sie unter Sicherheit & Compliance, den Funktionsumfang auf der Seite Plattform.

• Review-Gate: Kein Vorschlag gelangt ohne fachliche Freigabe in den Bericht.
• Nachvollziehbarkeit: Annahmen, Kontext und Unsicherheiten sind am Vorschlag sichtbar.
• Risiko ohne und mit Schutzmaßnahmen: Die Software trennt das Ausgangsrisiko sauber vom Restrisiko.
• Eigene Risikomatrix: Stufen und Akzeptanzgrenzen des Unternehmens lassen sich abbilden.
• R&I-Formate: Auch gescannte oder ältere Pläne werden nutzbar, nicht nur neue CAD-Daten.
• Audit-Trail und Versionen: Änderungen sind mit Person, Zeitpunkt sowie altem und neuem Wert dokumentiert.
• Datenhaltung: Hosting, Unterauftragnehmer und der Umgang mit Trainingsdaten sind vertraglich geregelt.
• Anschluss an weitere Methoden: LOPA, SIL-Bewertung und Management of Change können auf denselben Studiendaten aufsetzen.
• Sprache: Deutsch und Englisch in Oberfläche, Vorschlägen und Bericht.

IEC 61882 beschreibt die HAZOP als Methode – Team, Knoten, Leitworte, Bewertung und Dokumentation. KI verändert die Vorbereitung, nicht die Methode: Entscheidend bleibt, dass das Team die Analyse durchführt, prüft und verantwortet.

Transparenz und menschliche Aufsicht sind zentrale Prinzipien der europäischen KI-Verordnung (EU AI Act). HAIZOP setzt sie mit gekennzeichneten KI-Vorschlägen, einem verpflichtenden Review-Gate und einem Audit-Trail um. Wie die Verordnung im Einzelfall auf den Einsatz im eigenen Unternehmen anzuwenden ist, sollte der Betreiber rechtlich bewerten. Mehr dazu unter KI-Transparenz.